# LearnHarness: как учить сложное с ИИ-агентами

Ставишь LearnHarness на свой компьютер, подключаешь свой ключ API и проводишь первое занятие, на котором агент находит, где кончается твоё понимание, и ведёт к цели по одному шагу. Всё выученное остаётся в графе знаний для следующих занятий.

// Шаг 1

## Ссылки: репозиторий и загрузка

LearnHarness - бесплатное приложение с открытым кодом под лицензией AGPL-3.0. Работает на Windows, macOS и Linux. Чаты, граф и ключи хранятся у тебя на компьютере, а запросы уходят к провайдеру модели, которого ты подключишь.

[Репозиторий LearnHarness на GitHub](https://github.com/amosblomqvist/learnharness)

[Страница загрузки](https://learnharness.ai/download/)

[Все версии на GitHub Releases](https://github.com/amosblomqvist/learnharness/releases)

// Шаг 2

## Установка на Windows, macOS и Linux

- 1 «macOS» — Нужен Mac на Apple Silicon. Скачай LearnHarness-0.5.0-arm64.dmg, открой и перетащи LearnHarness в «Программы». Сборка подписана, запускается без обходов.
- 2 «Windows» — Скачай LearnHarness-0.5.0-x64-setup.exe и запусти установщик. Сборка не подписана: если SmartScreen покажет «неизвестный издатель», жми «Подробнее» → «Выполнить в любом случае».
- 3 «Linux: AppImage» — Рекомендуемый вариант. Скачай LearnHarness-0.5.0-x86_64.AppImage, сделай файл исполняемым и запусти - команды ниже.
- 4 «Linux: Debian и Ubuntu» — Или поставь пакет LearnHarness-0.5.0-amd64.deb через apt - команда ниже.

```
chmod +x LearnHarness-0.5.0-x86_64.AppImage
./LearnHarness-0.5.0-x86_64.AppImage
```

_Linux, AppImage - в папке, куда скачал файл_

```
sudo apt install ./LearnHarness-0.5.0-amd64.deb
```

_Linux, Debian и Ubuntu - в папке, куда скачал файл_

врезка `// Обновления`: текст «Номер версии в именах файлов - 0.5.0. Если на странице загрузки уже новее, бери свежий файл и подставь его имя в команды. Дальше приложение обновляется само: Settings → General.»

// Шаг 3

## Подключение своего ключа API

Больше 30 провайдеров: OpenAI, Anthropic, Google, DeepSeek и другие. При первом запуске приложение само предложит выбрать провайдера. Позже всё настраивается в Settings → Providers. Подробности - в [руководстве по настройке](https://github.com/amosblomqvist/learnharness/blob/main/docs/getting-started.md).

- 1 «Создай ключ у провайдера» — Зайди в кабинет разработчика OpenAI, Anthropic, Google AI Studio или DeepSeek, создай ключ API и пополни баланс. Ключ показывают один раз - сразу скопируй.
- 2 «Вставь ключ в LearnHarness» — Settings → Providers → выбери провайдера → вставь ключ. Ключ лежит у тебя на компьютере рядом с папкой данных.
- 3 «Выбери три модели» — Strong - основная, с неё начинаются новые занятия. Cheap - дешёвая для фоновых задач. Vision - для картинок и PDF.
- 4 «Без ключа: подписка или Claude Code» — Можно войти через подписку ChatGPT, GitHub Copilot или Grok. Или включить установленный Claude Code: Settings → Providers → External CLI → Claude Code, модель opus, sonnet или haiku. Нужна версия CLI от 2.1.259.
- 5 «Локальная модель» — Settings → Providers → + Add a provider → Custom endpoint. Для Ollama адрес ниже, авторизация - Keyless. Жми Connect и выбери модели.

```
http://localhost:11434/v1
```

_API base URL для Ollama - /v1 обязателен_

врезка `// Подвох`: текст «Приложение бесплатное, а модели - нет: ключ API свой, и за запросы платишь провайдеру. Сколько стоит занятие, видно в строке под полем ввода - нажми на неё.»

[Как подключить свой сервер или локальную модель](https://github.com/amosblomqvist/learnharness/blob/main/docs/custom-providers.md)

[Как подключить Claude Code](https://github.com/amosblomqvist/learnharness/blob/main/docs/claude-code.md)

// Шаг 4

## Первое занятие: цель → замер → план → шаги

- 1 «Цель» — Открой режим Teach и опиши, что хочешь понять. Чем конкретнее, тем точнее план: не «машинное обучение», а «как работает градиентный спуск».
- 2 «Замер понимания» — Агент задаёт вопросы и ищет, где заканчивается твоё понимание по каждой части темы. Отвечай честно и пиши ход мыслей и сомнения в поле для рассуждений - по ним он решает, откуда начинать.
- 3 «План» — Агент строит карту зависимостей от твоей точки до цели. Согласись или поправь обычным сообщением. Если окажется, что ты понимаешь по-другому, план подстроится.
- 4 «Шаги с проверкой» — Каждый шаг опирается на то, что ты уже понимаешь: сначала предсказываешь ответ, потом получаешь объяснение и проверяешь себя. Путаницу разбирают до того, как строить дальше.
- 5 «Практика - отдельно» — Режим Practice: задачи под твой уровень и небольшие подсказки, когда застрял. Решение модели открывается в конце задачи, дальше - Next problem.

врезка `// Свои материалы`: текст «Хочешь учиться по своему конспекту или книге - нажми скрепку → Files или Folder, либо перетащи файл в окно. Агент прочитает его с твоего компьютера.»

// Шаг 5

## Граф знаний между занятиями

- Всё, чему тебя научили, складывается в граф: утверждения и цепочки рассуждений со ссылками на занятия, где ты это прошёл.
- Следующие занятия Teach и Practice читают граф и начинают с того, что ты уже знаешь, а не с нуля.
- Граф хранит идеи и связи между ними, а не оценки твоих способностей.
- Свои заметки можно добавить в граф: Extract files… → Files или Folder. Подходят Markdown, текст и PDF до 25 МБ - PDF без распознавания сканов.
- Записи - обычные файлы, их можно открыть и посмотреть.

```
~/Library/Application Support/LearnHarness/data
```

_macOS - где лежит граф и чаты_

```
%APPDATA%\LearnHarness\data
```

_Windows_

```
~/.config/LearnHarness/data
```

_Linux_

врезка `// Важно`: текст «Файлы с ключами API лежат рядом с папкой data в открытом виде. Не выкладывай эту папку в облако и не отдавай другим. Локальное хранение не значит офлайн: запросы к моделям всё равно уходят провайдеру.»

[Документация LearnHarness](https://github.com/amosblomqvist/learnharness/blob/main/docs/README.md)

---

// Финал

## Проверь себя

- [ ] Скачать LearnHarness под свою систему со страницы загрузки
- [ ] Установить приложение, а на Linux - сделать AppImage исполняемым
- [ ] Создать ключ API у провайдера и пополнить баланс
- [ ] Вставить ключ в Settings → Providers
- [ ] Выбрать модели Strong, Cheap и Vision
- [ ] Открыть Teach и описать цель занятия
- [ ] Пройти замер понимания и честно расписать ход мыслей
- [ ] Принять или поправить план
- [ ] Пройти первые шаги: предсказать, получить объяснение, проверить себя
- [ ] Решить задачу в режиме Practice
- [ ] Открыть граф и убедиться, что выученное туда попало
- [ ] Найти папку data на своём компьютере

---

Источник: https://localhost:3000/m/learnharness-kak-uchit-slozhnoe-s-ii-agentami